zfyyzhys的博客

Cellranger分析结果学习

创建新文件夹# 移动文件到该文件夹中# 查看所有以fastq.gz结尾的文件，并统计数量。

hdWGCNA通过加权基因共表达网络分析识别基因模块并挖掘潜在的生物学调控机制

cellTRACE2+monocle3+ClusterGVis 轨迹分析小连招。

单一样本和两样本CellChat细胞通讯分析

三个重要的分析工具

GWAS-scRNA-seq数据相结合

inferCNV，回顾学习

根据1. 先验知识证据；2. 转录因子结果；3. 差异基因结果 进行细胞亚群注释

亚细胞分群从T/NK至CD4+T细胞

单细胞实战之pseudobulks分析，GSVA富集分析

单细胞上游分析流程学习

如何选择单细胞测序分析中的主成分数量

单细胞细胞周期矫正的目的从宽泛的角度来说是因为它可以消除由于细胞周期阶段不同而导致的基因表达异质性。在单细胞数据中，不同细胞可能处于不同的细胞周期阶段(如G1、S、G2或M期)，这些阶段会影响细胞的基因表达模式，尤其是那些与细胞周期密切相关的基因。如果不进行细胞周期矫正，这些周期性变化的基因可能会误导后续的数据分析，如聚类和差异表达分析，导致分析结果不能准确反映细胞的生物学状态和异质性。

单细胞实战从入门到进阶起航

医学单细胞及表观多组学技术应用线上公开课(武汉大学/菲沙基因)整理总结及学习(第三部分)

医学单细胞及表观多组学技术应用线上公开课(武汉大学/菲沙基因)整理总结及学习(第二部分)

医学单细胞及表观多组学技术应用线上公开课整理总结及学习

单细胞分析流程基础直播课细节学习

随着细胞数量的增加，使用 FindAllMarkers进行标志基因分析的速度变得很慢，因此笔者就把几种常用的标志基因检测工具都用来试了试。

cell2location分析流程学习

RCTD 通过整合单细胞和空间转录组学数据，能够较为精确地为空间点（spots）分配细胞类型或细胞类型的混合，以便更好地理解空间组织结构中的基因表达情况。

空转python版学习

单细胞空间转录组分析流程学习(二)

CopyKAT(肿瘤拷贝数核型分析)是一种使用综合贝叶斯方法的计算工具，能够在单细胞中以5MB分辨率检测全基因组非整倍体，以便从高通量单细胞RNA测序数据中区分肿瘤细胞与正常细胞，并识别肿瘤亚克隆。

Ro/e指数的目前的用法更像是增加分析的细粒度，通过统计学结果告诉大家组织内部不同细胞簇的实际情况和预测情况的差异

METAFlux是基于METAbolic Flux balance analysis (通量平衡分析的框架之上)，以营养感知的方式表征整个代谢回路，并输出非退化性的通量，一共有13082个代谢物可以计算

hdWGCNA的分析逻辑是跟bulkRNA数据中的WGCNA基本一样，只是hdWGCNA中多了一步metacell过程，有助于减少无用的信息(单细胞数据有很多零值，会影响分析结果)。

scDist通过分析不同状态下细胞的距离来找到差异最大的细胞亚群(见下图的A)，然后再分析每一个细胞亚群的PCA通过线性的混合模型并结合最终的系数去预估不同干预方式下细胞群之间的距离

scMetabolism一个单细胞水平的代谢相关通路分析工具。内置了KEGG_metabolism_nc和REACTOME_metabolism两个库的代谢通路信息。分析方法可选择VISION、AUCell、ssgsea和gsva这四种，默认是VISION。其他没有什么需要特殊介绍的。

细胞受到各种外部刺激之后导致状态/功能/形状等发生变化(暂时/永久)，这种改变现象可以被笼统称为“扰动”。而我们作为生物医学领域的研究者，恰恰就是要研究这种“扰动”，以此探明生物学表象下的更深层次“逻辑”。

iloR先随机定义细胞中的细胞节点(数据点)，然后通过K最近邻法(K-neareat neighbors)去识别所定义节点与周围的其他细胞数据点之间的邻近关系，找到跟这些节点最近的(比如欧几里得法)其他数据点(细胞)

KS科研分享与服务：https://mp.weixin.qq.com/s/Wt9TU5Qk3yqPDlRlXr6BfQ。单细胞天地: https://mp.weixin.qq.com/s/qHBeQnYJdK0ATGlTOROPeA。生信菜鸟团: https://mp.weixin.qq.com/s/8fwJSc9Dnp8h_Suv76oXVA。这种方法得到的数据是SeruatV4版本的，所以如果要用于SeruatV5的话还需要再转化一下。：若对内容有疑惑或者有发现明确错误的朋友，请联系后台(欢迎交流)。

SCENIC简单可视化分析学习和整理

定义root cell, 推断拟时方向# 结合先验知识自定(示例数据)# 可视化示例数据，起点是随便点的。

细胞通讯分析是一种研究不同细胞类型之间如何通过信号分子（如配体和受体）进行相互交流和调控的分析方法。它在揭示细胞间相互作用的机制，理解组织和器官如何协调运作方面具有重要意义。

BisqueRNA使用单细胞 RNA-seq 数据作为参考，通过线性回归模型将bulk RNA-seq 数据去卷积为各个细胞类型的贡献。快速、直接使用单细胞数据作为参考，对各细胞类型的表达特征没有特别的假设

如何让CytoTRACE2分析完之后的umap图坐标前后一致呢？

CytoTRACE2可辅助判断单细胞拟时序分析的细胞起点

CCA 通过计算两个（或多个）数据集的线性组合，使这些组合之间的相关性最大化，从而找到不同数据集间的共同信号。